Алгоритмы анализа моделей среды предприятия тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Подберезный, Андрей Александрович

• Подберезный, Андрей Александрович
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Подберезный, Андрей Александрович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. Аналитический обзор предметной области

1.1 Виды анализа и планирования

1.2 Подходы для оперативного анализа

1.3 Выбор подхода для оперативного анализа

1.4 Модели и алгоритмы поиска ограничений предприятия

1.5 Модели и алгоритмы стратегического анализа

1.5.1 Потребность в стратегическом анализе и планировании

1.5.2 Методики стратегического анализа

1.5.3 Реляционный подход извлечения знаний

1.5.4 Ограничения методов

1.6 Постановка задач

ГЛАВА 2. Алгоритм оперативного анализа

2.1 Информационная модель

2.2 Алгоритм поиска слабого звена

2.3 Алгоритм работы специалиста

2.4 Инструментальное средство VisualTOCManager

2.3.2 Архитектура средства

2.3.3 Системные требования

2.3.4 Пользовательский интерфейс

ГЛАВА 3. Алгоритм стратегического анализа

3.1 Информационная модель

3.2 Алгоритм поиска закономерностей

3.2 Алгоритм работы специалиста

3.3 Инструментальное средство Visual Discovery

3.3.2 Архитектура средства

3.3.3 Системные требования

3.3.4 Пользовательский интерфейс

ГЛАВА 4. Применение инструментальных средств

4.1 Применение VisualTOCManager

4.2 Применение Visual Discovery

4.2.1 Анализ детерминант успеха и неудач

4.2.2 Анализ показателей применения лекарственных препаратов

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

Введение диссертации (часть автореферата) на тему «Алгоритмы анализа моделей среды предприятия»

ВВЕДЕНИЕ

Актуальность исследований

В современных условиях интенсивного развития технологий и современных рыночных отношений основной характеристикой предприятия становится процессный подход представления деятельности предприятия [1,2-10].

Динамика поведения такого предприятия полностью зависит от параметров внутренней среды (организация бизнес-процессов, технология производства продуктов, текучесть кадров, количество брака) и внешней (изменения в законодательных и нормативных актах, покупательский спрос, новые научные открытия).

Решение конкретных задач предприятия, связанных с его целями, зависит от определенного параметра (группы параметров) внутренней и/или внешней среды. Для внутренней среды, например, если целью предприятия является произвести ликвидную продукцию, то при планировании и в момент производства необходимо концентрировать внимание на требуемых ресурсах, количестве текущего брака, финансовых показателях и т.д. Для внешней среды, например, если целью сети аптек является выбор нового района строительства аптеки, то важными параметрами среды могут быть: средний уровень дохода населения, наиболее распространенное заболевание, уровень преступности и т.д.

Достижение целей предприятия является довольно серьезной проблемой, требующей определенного подхода анализа среды (внешней и внутренней), определяющего важные параметры и их взаимосвязь с целью предприятия. В основе любого такого подхода или метода лежат информационные модели и алгоритмы анализа моделей среды предприятия.

Для решения задачи анализа среды предприятия и планирования его деятельности в настоящее время существуют различные решения в виде

концепций, подходов, методов и технологий, которые довольно успешно применяются [16,21,22,27,33,36,37], например: MRP; CRP; MRPII; Теория ограничений; JIT; SWOT; PEST, но которые обладают рядом ограничений, делающих их применение не эффективным.

Таким образом, в рамках существующих подходов, разработка алгоритмов и моделей анализа параметров внутренней и внешней среды предприятия, лишенных существующих ограничений в возникающих ситуациях его деятельности, позволило бы идентифицировать те параметры среды, которые непосредственно влияют на результат деятельности компании.

Фундаментальные исследования по анализу предприятия провели зарубежные и российские ученые, среди них: А.Смит, К.Маркс, Д. Рикардо, Э. Голдратт, У.Петти, Р.Г.Вильсон, Ф. Тейлор, Г. Форд, Оливер Уайт, М. Уолкер , Д. Келли, Т. Оно, П. Друкер, В. Португал, А. Первозванский, А. Богданов, О.А.Ерманский, А.К. Гастев, П.М. Керженцев, H.A. Амосов, Д.Е. Слуцкий, JT.B. Канторович.

Объект исследований - внутренняя и внешняя среда предприятия.

Предмет исследований - алгоритмы анализа параметров моделей внутренней и внешней среды предприятия.

Научная проблема

1. Существующие информационные модели и алгоритмы анализа параметров внутренней среды предприятия имеют ограниченные возможности своевременно обнаруживать слабые звенья цепи бизнес-процессов, влияющие на цель производства при оперативном анализе.

2. При стратегическом анализе внешней среды, применение существующих методов извлечения знаний для выявления параметров влияющих на достижение целей предприятия ограниченно из-за

отсутствия возможности работы в терминах предметной области, понятных специалисту.

Цель настоящей работы

Разработать алгоритмы и информационные модели анализа параметров внутренней и внешней среды предприятия.

Для этого необходимо решить следующие задачи:

1. Исследовать основные существующие подходы анализа и планирования деятельности предприятия, использующие те или иные параметры внутренней и внешней среды.

2. Разработать модели и алгоритмы анализа внутренней среды предприятия на основе поиска слабого звена цепей бизнес-процессов Теории ограничений.

3. Разработать модели и алгоритмы анализа внешней среды предприятия на основе реляционного подхода извлечения знаний из данных.

4. Разработать архитектуру программного инструментария, реализующего предложенные алгоритмы.

5. Реализовать программный инструментарий и произвести его апробацию на отечественных предприятиях.

Области исследований

1. Исследование информационных структур, разработка и анализ моделей информационных процессов и структур.

2. Исследование и разработка средств представления знаний. Принципы создания языков представления знаний, в том числе для плохо структурированных предметных областей и слабоструктурированных задач; разработка интегрированных средств представления знаний, средств представления знаний, отражающих динамику процессов, концептуальных и семиотических моделей предметных областей.

3. Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений.

Методы исследования

Для решения перечисленных выше задач применялись следующие методы для разработки алгоритмов и информационных моделей: методы бизнес моделирования; методы анализа бизнес-процессов; метод поиска слабых звеньев; метод имитационного моделирования; метод линейного программирования; методы математической логики, включая методы извлечения знаний, а также реляционный подход к организации данных.

Для формирования визуальных моделей описания бизнес-процессов и онтологии предметной области в разработанных средствах VisualTOCManager и Visual Discovery по анализу деятельности предприятия были использованы методы предметно-ориентированного моделирования.

При разработке указанных инструментальных средств использовались методы объектно-ориентированного программирования, методы генерации кода с помощью шаблонов, методы компонентного подхода.

Положения, выносимые на защиту

1. Алгоритм поиска слабых звеньев и ограничений цепи процессов модели внутренней среды предприятия, базирующийся на имитационном моделировании.

2. Графическое программное средство VisualTOCManager для оперативного поиска слабых звеньев бизнес-процессов предприятия на заданных промежутках времени.

3. Алгоритм обнаружения закономерностей в терминах предметной области, позволяющий находить при анализе внешней среды различных предприятий понятные специалисту закономерности. Алгоритм базируется на реляционном подходе извлечения знаний.

4. Графическое программное средство Visual Discovery для анализа внешней среды предприятия, в основе которого лежит разработанный алгоритм.

Результаты диссертации

1. Алгоритм поиска слабых звеньев позволил находить потенциальные слабые звенья и ограничения процессной информационной модели внутренней среды предприятия до их возникновения в случае изменения производственных факторов предприятия.

2. Применение программного средства VisualTOCManager позволило отследить изменение текущего календарного плана производства и вносить в него корректировки с учетом найденных ограничений.

3. Предложенный алгоритм извлечения знаний позволил находить закономерности внешней среды предприятия в терминах исследуемой предметной области, понятные для исследователя. Алгоритм работает с терминами различных предметных областей.

4. Применение программного средства Visual Discovery по предложенному алгоритму позволило найти интерпретируемые специалистом закономерности на данных предприятия и спрогнозировать дальнейшее его развитие.

Научная новизна

1. Предложенный алгоритм оперативного анализа внутренней среды предприятия на базе подхода теории ограничений, в отличие от алгоритмов, базирующихся на других подходах оперативного анализа и планирования, позволяет заранее находить слабые звенья, отслеживать их перемещение и изменение результатов плана производства. В отличие от алгоритмов, применяемых в Теории ограничений, предложенный алгоритм не требует ручной подготовки входных данных и анализа выходных.

2. Предложенный алгоритм стратегического анализа внешней среды предприятия, базирующийся на реляционном подходе извлечения знаний, позволяет находить параметры внешней среды, влияющие на цели предприятия в терминах конкретной ПО и получать их в виде прогноза по закономерностям, понятных специалисту.

Практическая ценность

Разработаны две программные системы: Visual Discovery и

VisualTOCManager, апробированные при решении практических задач.

Visual Discovery применялась для решения следующих задач: 1) выделения информативной подсистемы признаков, 2) установления закономерностей в данных, 3) прогнозирования целевых признаков исследуемых объектов. Visual Discovery была успешна применена в НПО «Развитие» (г. Пятигорск) при решении двух задач в построении модели развития фармацевтического рынка на Северном Кавказе.

С помощью системы VisualTOCManager решались задачи поиска и анализа слабых мест в бизнес-модели компании SOLOS (ООО "ПГС-К" г.Новосибирск), реализующей процессный подход при изготовлении различных металлоконструкций.

Апробация

Основные результаты диссертационной работы докладывались и обсуждались на следующих научных конференциях:

1. Российская научно-техническая конференция "Информатика и проблемы телекоммуникаций". Новосибирск, 2011 г, 2012г, 2013 г.

2. Всероссийская научно-практическая конференция "Актуальные проблемы фармацевтической науки и практики". Владикавказ, 2012 г.

3. Международная научно-практическая конференция "Менеджмент и маркетинг в составе современной экономики, науки, образования, практики". Украина, 2013 г.

4. Семинар под руководством Марчука А.Г. в ИСИ СО РАН. Новосибирск, 2013 г.

Личный вклад автора

Все основные результаты, выносимые на защиту, получены диссертантом лично. Лично автором выполнена постановка задач, разработка алгоритмов оперативного и стратегического анализа среды предприятия, разработка соответствующего программного обеспечения. Автором было лично применено инструментальное средство VisualTOCManager на производстве стеллажных металлоконструкций. Применение

8

инструментального средства Visual Discovery было выполнено совместно со специалистами НПО «Развитие» (г. Пятигорск).

Структура и объем работы

Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы. Объем работы составляет 130 страниц. Список литературы содержит 85 наименований. Работа включает 59 рисунков и 3 таблицы.

Краткое содержание работы

В первой главе приводится аналитический обзор решений в области анализа среды предприятия.

Для оперативного анализа и планирования применяются следующие способы и подходы[8]: SIC, MRP, CRP, MRP II, CPM, JIT. Каждый способ направлен для анализа определенных параметров внутренней среды предприятия и соответствующего планирования производства. Проведенные исследования показали, что применение перечисленных выше способов в условиях изменяющихся факторов деятельности предприятия является довольно проблематичным ввиду постоянного перемещения ограничений производства, требующего их оперативного поиска. В тоже время, наиболее подходящей для поиска ограничений бизнес-процессов предприятия показала себя Теория ограничений (TOC) Голдратта [4,5] .

На момент исследования не удалось обнаружить алгоритмы и программные средства для оперативного поиска ограничений во внутренней среде процессно-ориентированного предприятия. Существующие методы (линейное программирование, имитационное программирование и др.) могут служить как инструменты для поиска ограничений, требующие дополнительный объем работ от специалиста для получения результата при оперативном анализе. Поэтому разработка информационных моделей, алгоритмов и соответствующего программного средства для оперативного

анализа бизнес-процессов предприятия на основе поиска слабого звена представляется перспективным направлением.

При развитии предприятия и достижении целей на долгосрочную перспективу, необходимо произвести стратегический анализ внешней среды предприятия. В отличие от подходов оперативного анализа, формирование исследуемых параметров внешней среды, как правило, возлагается на специалиста. Тем не менее, существуют математические логико-вероятностные методы извлечения знаний из данных[10], которые помогают определить их действительное влияние на признаки цели компании и отсеять незначимые (например, цвет глаз руководителя и оборот компании), путем поиска закономерностей на статистических данных. В большинстве случаев такие методы работают не в терминах предметной области, где они применяются, а в собственных, вследствие чего стоит воздержаться от применения такого метода.

В результате исследования был обнаружен реляционный подход извлечения знаний из данных[11], работающий именно с терминами предметной области, но существующие реализации подхода (бионформатика, финансы, медицина) в виде методов и программных средств не применимы для стратегического анализа внешней среды предприятия.

Согласно выявленным проблемам, были сформулированы задачи по разработке информационных моделей и алгоритмов анализа при оперативном и стратегическом анализе сред[12-15].

Во второй главе предлагается алгоритм анализа внутренней среды предприятия на основе поиска слабого звена и соответствующее инструментальное средство \%иа1ТОСМаг^ег [12].

Под слабым звеном понимается бизнес-процесс в цепи производства продукта, из-за которого за время производства меньше всего было произведено единиц продукции. Компоненты незавершенного производства образуют очередь, ожидающие высвобождение необходимого ресурса (ограничение) для дальнейшей переработки. Под ограничением

подразумевается ресурс, которого не хватило на момент выполнения процесса, являющимся слабым звеном. Таким образом, слабое звено характеризуется очередью и недостающими ресурсами.

Перед тем, как осуществлять поиск слабых звеньев необходимо поставить цель перед производством в виде количества производимой продукции каждого вида за определенный период времени. Поставленная цель производства может не выполнится по ряду причин (неэффективная организация бизнес процессов, частый брак и т.д.). Поэтому при оперативном анализе производства необходимо что бы цель в момент производства стремилась к запланированной цели. Для этого был разработан алгоритм поиска слабого звена, основанный на методе имитационного моделирования процессов производства во времени и последующим анализом образовавшихся очередей и ограничений.

Для предложенного способа постановки цели перед производством и алгоритма поиска слабых звеньев было разработано графическое инструментальное средство VisualTOCManager и методика работы с ним.

В третьей главе предлагается алгоритм и программное средство Visual Discovery[13,14] для стратегического анализа внешней среды предприятия.

Для того, чтобы конструировать гипотезы, специфичные для стратегического анализа внешней среды в общем, был предложен набор отношений и операций.

Для работы с предложенными операциями и отношениями был разработан алгоритм, основанный на семантическом вероятностном выводе[94]. Суть алгоритма заключается в добавлении в условие закономерностей только тех признаков исследуемых объектов, которые являются значимыми и не являются шумами. Это проверяется статистическими критериями, проверяющими, что добавление признака строго увеличивает условную вероятность правила.

Для работы по предложенному алгоритму было разработано

программное средство Visual Discovery. Интерфейс средства позволяет

11

достаточно просто (визуально) формировать гипотезы (рисунок 4); искать и фиксировать отношения и операции на множестве исходных данных; обнаруживать новые знания; строить классы объектов со схожими характеристиками, а так же использовать внешние функции и операции, не входящие в базовый набор средства.

В четвертой главе рассмотрены внедрения разработанных средств на отечественных предприятиях, подтвержденные соответствующими актами о внедрении.

VisualTOCManager был успешно применен в компании SOLOS (ООО «ПГС-К» г. Новосибирск) при решении задачи нахождения изменения плана производства и его соответствующих ограничений при изменении факторов производственной среды: часть оборудования вышла из строя; изменилось количество планируемых материалов на складе; было принято решение увеличить партию продукта.

Visual Discovery был успешно применен в НПО «Развитие» (г. Пятигорск) при построении бизнес-модели развития фармацевтического рынка Северного Кавказа: при установлении взаимосвязей между организационной культурой медицинских предприятий и эффективностью их экономической деятельности; Прогнозирование показателей применения лекарственных препаратов для снижения уровня холестерина в крови у нуждающегося населения.

ГЛАВА 1. Аналитический обзор предметной области

В данной главе рассматриваются основные виды анализа и планирования деятельности предприятия, а так же модели и алгоритмы, для подхода, вызывающий наибольший научный интерес.

Рассматриваемые предприятия используют процессно-ориентированный подход организации деятельности[1-9]. Могут существовать как в стабильной, так и нестабильной внутренней и внешней среде [10-15,19,20].

Под стабильной подразумевается среда, в которой факторы среды определены и носят постоянный характер (например, номенклатура и план выпускаемой продукции определен и не изменяются). Нестабильная среда характерна для постоянно изменяющихся частично-определенных факторов (например, план производства постоянно меняется из-за поступления новых более важных заказов).

1.1 Виды анализа и планирования

Анализ среды предприятия в первую очередь зависит от вида анализа и планирования деятельности предприятия. В условиях рыночной экономики, подходы анализа и планирования можно разделить на два вида:

• Оперативный [16-18,24-26,60,61]. Направлен на обеспечение эффективной работы цепочек бизнес-процессов предприятия по выпуску конкурентоспособных продуктов в заданные сроки с учетом требуемого количества и качества. При этом использование необходимых ресурсов должно быть оптимальным с точки зрения экономики предприятия [19].

• Стратегический [61-72]. Направлен на формирование целей деятельности предприятия и планов их достижения на долгосрочную перспективу (три, пять, десять и более лет). Одной из важных задач является идентификация и прогнозирование изменений среды деятельности предприятия с целью своевременной адаптации к ним. Таким образом,

стратегический анализ и планирование ставит задачи перед производством, которые решаются с помощью оперативного анализа и планирования.

Для каждого приведенного вида существуют соответствующие собственные методы и подходы анализа деятельности предприятия. Как правило, они отличаются информационной моделью и алгоритмами анализа.

1.2 Подходы для оперативного анализа

Для оперативного анализа внутренней среды компании рассмотрим основные распространенные подходы анализа и планирования деятельности предприятия с целью их сравнения и выявления неприменимости их в некоторых ситуациях, возникающих на предприятии. В зависимости от комплексности и множества решаемых задач они представлены в виде соответствующих методов, концепций, теорий.

Метод SIC

SIC (Statistical Inventory Control) —статистическое управление запасами [21-23]. Получил известность благодаря первой публикации работы Р.Г.Вильсона в 1934 году. Позволяет определить оптимальное количество запасов EOQ ( Economic Order Quantity), которое следует поставить (закупить или произвести) для производства при достижении точки заказа (рис. 1).

МАКСИМАЛЬНЫЙ ЗАПАС

V р

о в е и ь

э а п а с о в

У

Страховой запас

Пополнение при

фиксированном объеме заказа

О

t задержки

t задержки

Рис. 1. График достижения точки запаса.

d - ежегодная потребность в запасах; /- расходы на обработку заказов;

i - расходы на хранение единицы запаса в течение годе.

Точка заказа определяется как отношение произведения годовой потребности в материале и времени реализации потребности на количество дней в году. Существуют более сложные алгоритмы расчета EOQ, учитывающие дополнительные факторы, например, оптимальный размер и периодичность заказа.

Достоинства: простота использования.

Недостатки: Базируется на информации из прошлого; низкая надежность для сложных изделий. Метод MRP

MRP (Material Requirements Planning) - метод планирования потребности в материалах [16, 21-23]. Родоначальником был Оливер Уайт, сам метод был разработан в 1964 году в США Дж. Орлики. Метод помогает оптимально организовать поставки необходимых

материалов/комплектующих в производство и гарантировать наличие соответствующих запасов в момент их потребности на производстве.

Цель MRP:

1. Удовлетворение потребности в материалах, компонентах и продукции для планирования производства и доставки потребителям.

2. Поддержка низких уровней запасов.

3. Планирование производственных операций, расписаний доставки, закупочных операций.

Входные данные:

1. Программа производства - график производства необходимой партии готовой продукции за планируемый период.

2. Спецификация - список материалов и их количество для производства конечного продукта. Так же включает в себя структуру и плановое время изготовление продукта и его компонент.

3. Данные о состоянии материалов - информация о всех типах материалов,

а так же их наличие и использование другими производимыми

продуктами в определенные моменты времени. Выходные данные:

1. План заказов - необходимые заказы материалов в разные периоды времени.

2. Изменение ранее спланированных заказов. Принцип работы:

1. Для каждого промежутка времени рассчитывается брутто-потребность каждого вида материала по всем производимым продуктам.

2. С учетом имеющейся информации о наличии материалов в различные моменты времени формируется нетто-потребность материалов.

3. На основании нетто потребность в различные отрезки времени формируются план заказов материалов.

Достоинства: уменьшение складских запасов; уменьшение времени производства продуктов; ориентированность на будущие заказы.

Недостатки: сложность системы управления; не учитываются производственные ресурсы; отсутствие оперативной реакции к внешним факторам.

Метод CRP

CRP (Capacity Requirements Planning) - метод планирования потребности в мощностях [16,17,27]. Был разработан в начале 1970-х годов. Метод позволяет выявить избытки и недостатки мощностей по каждому виду продукта. Основным понятием является профиль загрузки - сравнение требуемой загрузки мощностей с доступной.

Входные данные:

1. Технологические карты производимых продуктов;

2. Календарный план производства;

3. Информация о рабочих центрах.

Если требуемой загрузки не достаточно, то возможны следующие варианты действий:

1. Распределение нагрузки на другие периоды, когда загрузка не достигает нормального уровня;

2. Увеличить доступную мощность - например, объявить сверхурочные работы;

3. Передать работы на субподряд .

Достоинства: Позволяет выявить переизбыток и недостаток производственных мощностей; уточняет расписание производства.

Недостатки: Сложность и громоздкость расчетов.

Метод MRP II

MRP II (Manufacturing Resource Planning) - метод планирования ресурсов производства [16-23,27]. Является логических продолжение MRP. MRP суммирует в себе MRP, CRP, Closed Loop MRP (планирование потребности материалов в замкнутом цикле), управление финансами и инвестициями. MRPII описывает сквозное планирование и управление цепочкой «сбыт - производство - склад - снабжение». В отличие от предшествующих методологий планирования, фокусируется на оперативном планировании и управлении всем производственным процессом, а не отдельными его фрагментами.

Включает в себя три основных шага

1. Формирование основного производственного плана.

2. На основе производственного плана формируется потребности в материалах, мощностях и финансовых ресурсах.

3. Начинается выполнение производственного плана. Соответствующая MRP II система осуществляет контроль заданий и вносит коррективы в действующие планы.

Достоинства

1. Ориентированность на будущие запасы;

2. Сбалансированность управления всеми ресурсами;

3. Снижение уровня запасов;

4. Высокая надежность планирования.

Недостатки

1. Требуется дорогостоящая компьютерная система;

2. Повышенные требования к точности информации ВОМ ;

3. Большие объемы ввода информации;

4. Высокие требования к оперативности отражения фактов движения ресурсов в системе;

5. Ориентация на дискретный тип производства.

Метод СРМ

Метод критического пути (Critical Path Method) - метод планирования выполнения проекта [28-32]. Был разработан в 1956 году М. Уолкер и Д. Келли. Другое название метода — метод Уолкера-Келли. Опирается на построение сетевого графика (PERT диаграммы). Метод позволяет оценить минимальные временные затраты на реализацию проекта и последовательность выполнения работ, а так же определить работы, которые могут выполняться одновременно.

Для применения СРМ необходимо выполнить следующие шаги:

1. Разбить проект на работы.

2. Оценить время выполнения каждой работы.

3. Описать последовательность выполнения работ.

После этого можно найти критический путь - наиболее длинный маршрут по времени от начала до конца выполнения проекта. Увеличение времени работы (критической) на критическом пути приведет к общему увеличению времени выполнения проекта. Работы, не входящие в

Список литературы диссертационного исследования кандидат наук Подберезный, Андрей Александрович, 2015 год

ЛИТЕРАТУРА

1. Калянов, Г.Н. Моделирование, анализ, реорганизация и автоматизация бизнес-процессов : Учеб. пособие / Г.Н. Калянов.— М.: Финансы и статистика, 2006 .— 240 с.

2. Калянов Г. CASE технологии: консалтинг в автоматизации бизнес-процессов, Горячая линия-Телеком, 2000, 320 с.

3. Репин В.В.Процессный подход к управлению. Моделирование бизнес-процессов. М.: Манн, Иванов и Фербер, 2013.

4. Джон Джестон, Йохан Нелис. Управление бизнес-процессами. Практическое руководство по успешной реализации проектов. М: Символ-Плюс, 2008.

5. Ирина Галямина. Управление процессами. Санкт-Петербург: Питер, 2013.

6. Ивлев В.А., Попова Т.В. Реорганизация деятельности предприятий: от структурной к процессной организации. М.: Научтехлитиздат, 2000.

7. Август-Вильгельм Шеер. Бизнес-процессы: основные понятия, теории, методы. М.: Просветитель, 1999.

8. М. Робсон, Ф. Уллах. Практическое руководство по реинжинирингу бизнес-процессов. М.: Аудит, 1997.

9. Абдикеев Н.М., Данько Т.П., Ильдеменов C.B., Киселев А.Д. Реинжиниринг бизнес-процессов. М.:Эксмо, 2007.

10. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: Дело, 1992.

11. Костров A.B. Введение в информационный менеджмент. Владимир: Владим. гос. техн. ун-т, 1996. - 132 с.

12. Костров A.B. Системный анализ и принятие решений. Владимир: Владим. гос. техн. ун-т. 1995. - 68 с.

13. Веснин В.Р. Основы менеджмента. М.: Т.Д. «Элит-2000», 2001.

14. Мескон M. X., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: Дело, 1992. - 702с.

15. Деминг В. Едвардс. Выход из кризиса. Тверь: «Альба», 1994.

16. Федор Лобов. Оперативное управление производством. Ростов н/Д : Феникс, 2003. - 160 с.

17. Акунцев В.П. Организация и оперативное управление приборостроительным производством. 1998.

18. Туровец О.Г. Организация производства и управление предприятием. Учебник. - М.: Инфра-М, 2005. - 544с.

19. Колесников С.Н. Стратегия бизнеса. Управление ресурсами и запасами. М.: "Статус-Кво 97м, 1999, 168стр.

20. Мазманова Б.Г. Основы теории и практики прогнозирования: учебное пособие. Екатеринбург: изд. ИПК УГТУ, 1998.

21. Гаврилов. Управление производством на базе стандарта MRP II. Санкт-Петербург: Питер, 2002, 320 с.

22. Рыбников А.И. Система управления предприятием типа MRPII М.: Азроконсалт, 1999- 134 с.

23. Баранов В.В. Автоматизация управления предприятием.М.: ИНФРА-М, 2000. - 239 с.

24. Москвитин A.A., Подберезный A.A. VisualTOCManager - визуальный инструмент оценки эффективности производства. // Вестник СибГУТИ. -№ 2. - Новосибирск, 2011. - С. 42-52.

25. Подберезный A.A., Москвитин A.A. Информационные системы и анализа деятельности предприятия. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2011. С.37.

26. Подберезный A.A., Москвитин A.A. Проект системы анализа деятельности и управления предприятием. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2012.С.97.

27. Стивенсон В.Дж. Управление производством. М: Бином. Лаборатория Базовых Знаний, 2009, 928 с.

28. Новицкий Н. Сетевое планирование и управление производством. М.: Новое знание, 2004г., 159 с.

29. Дэннис Локк. Основы управления проектами. М.:Гиппо, 2004, 242 с.

30. Владимир Богданов. Управление проектами в Microsoft Project 2007. M.:1-е издание, 2007 год, 592 с.

31. Вадим Богданов. Управление проектами. Корпоративная система шаг за шагом. М.: Манн, Иванов и Фербер, 2013, 248 с.

32. Клиффорд Ф- Грей, Эрик У. Ларсон. Управление проектами: Практическое руководство. М.: Дело и Сервис, 2002, 528 с.

33. C.B. Питеркин, Д.В. Исаев, H.A. Оладов. Точно вовремя для России. Практика применения ERP-систем. М.: Альпина Паблишер, 2010, 368 с.

34. Ясухиро Монден. Система менеджмента Тойоты. М.: Институт комплексных стратегических исследований, 2007, 216 с.

35. Тайити Оно. Производственная система Тойоты Уходя от массового производства. М: Издательство ИКСИ, 2012.

36. Детмер. Теория ограничений Голдратта. Системный подход к непрерывному совершенствованию.М.: Альпина Паблишер, 2013, 443 с.

37. Томас Корбет. Управленчский учет по TOC. Учет прохода. - Киев.: Издательство «Необхщно i достатньо», 2009. - 232 с.

38. Голдратт М. Элия, Джеф Кокс. Цель. Процесс непрерывного совершенствования . М.: Попурри, 2012, 512 с.

39. Голдратт М. Элия. Критическая цепь. М.: Попурри, 2013, 240 с.

40. Eliyahu M. Goldratt. Haystack Syndrome: Sifting Information out of the Data Ocean. North River Press Publishing Corporation, The, 2006, 262 pages.

41. Уильям Детмер, Эли Шрагенхайм. Производство с невероятной скоростью. Улучшение финансовых результатов предприятия. М.: Альпина Паблишер, 2009, 336 с.

42. Подберезный A.A., Москвитин A.A. Имитационное моделирование в тактических системах анализа деятельности предприятия. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2013.

43. H.H. Снетков. Имитационное моделирование экономических процессов Учебно-практическое пособие. - М.: Изд.центр ЕАОИ, 2008. - 228 с.

44. Д.Ю. Каталевский. Основы имитационного моделирования и системного анализа в управлении: Учебное пособие. — М.: Издательство Московского университета, 2011. — 304 с.

45. М.И. Рожков - Разработка имитационных моделей управления запасами в цепях поставок. // Учебный практикум / Национальный Исследовательский Университет - Высшая Школа Экономики, отделение логистики, кафедра информационных систем и технологий в логистике, Москва, 2011, 116 с.

46. Самошков А.К. Имитационное моделирование экономических процессов. Учебная программа. Дубна: Университет «Дубна», 2011.

47. Духанов A.B., Медведева О.Н. Имитационное моделирование сложных систем // Курс лекций / Владимир, 2010, 115 с.

48. H.H. Лычкина. Имитационное моделирование экономических процессов// Учебное пособие для слушателей программы eMBI / Москва, 2005.

49. Н.Кобелев. Основы имитационного моделирования сложных экономических систем. Учебное пособие // М.: Дело, 2003.

50. М.В. Киселёва - Имитационное моделирование систем в среде AnyLogic. // Учебно-методическое пособие / УГТУ - УПИ, Екатеринбург, 2009, 88 с.

51. И.Максимей. Имитационное моделирование сложных систем. В 3 частях. Часть 1. Математические основы. Минск : БГУ Минск, 2009, 263 с.

52. Банди Б. Основы линейного программирования: Пер. сангл. — М.: Радио и связь, 1989. - 176 с: ил.

53. Лунгу К. Н. Линейное программирование. Руководство к решению задач. - М.: ФИЗМАТ ЛИТ, 2005. - 128 с.

54. Кремер Н.Ш. Исследование операций в экономике: Учеб. пособие для вузов /Н.Ш. Кремер, БА. Путко, И.М. Тришин, М.Н. Фридман; Под ред. проф. Н.Ш. Кремера. - М.: ЮНИТИ, 2005. - 407 с.

55. Ашманов С. А. Линейное программирование. — М.: Наука. Главная редакция физико-математической литературы, 1981.— 340 с.

56. Булдаев A.C. Прямые методы решения задачи линейного программирования. - Иркутск, 2000. - 25 с.

57. Гасс С. Линейное программирование.- М.:Физматгиз, 1961 - 303 с.

58. Данциг Д. Линейное программирование, его применения и обобщения. - М., Прогресс, 1966. - 600 с.

59. Ромакин М.И. Элементы линейной алгебры и линейного программирования. М., Высшая школа, 1963. - 278 с.

60. Подберезный A.A., Москвитин A.A. VisualTOCManager -инструментальное средство оперативного и тактического анализа деятельности предприятия. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2013.

61. Москвитин A.A., Подберезный A.A. Инструменты системного анализа: VisualTOCManager и Visual Discovery. Материалы Всероссийской научно-практической конференции «Актуальные проблемы фармацевтической науки и практики»- Владикавказ, 2012.С.43-48.

62. Ансофф И. Стратегическое управление. М.: Экономика, 1989.

63. Боумэн К. Основы стратегического менеджмента: Пер. с англ. М.: ЮНИТИ, 1997.

64. Виханский О.С, Стратегическое управление. 2-е изд. М.: Гардарика, 1998.

65. Хангер Дж.Д., Уилен Т.Л.. Основы стратегического менеджмента. М: Юнити-Дана, 2011 г.

66. Аналоуи Ф., Карами А.. Стратегический менеджмент малых и средних предприятий М.: Юнити-Дана, 2012 г.

67. Томпсон A.A., Стрикленд А.Дж.. Стратегический менеджмент. Искусство разработки и реализации стратегии. М.: Юнити-Дана, 2012 г.

68. Панов А.И., Коробейников И.О., Панов В.А. Стратегический менеджмент М.: Юнити-Дана, 2012 г.

69. Кузнецов Б.Т. Стратегический менеджмент : учебное пособие. М.: Юнити-Дана, 2012 г.

70. Подберезный A.A., Москвитин A.A. Visual Discovery -инструментальное средство стратегического анализа деятельности предприятия. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2013.

71.Кужева С.Н. .Управление изменениями. Омск.: Издательство Омского государственного университета им. Ф.М. Достоевского, 2011 г.

72. Баженов О.В. Информационное обеспечение стратегического менеджмента: планирование и анализ (на примере предприятий медной промышленности). М.: БИБЛИО-ГЛОБУС, 2013 г.

73. В.П. Боровиков. Нейронные сети. М.: Горячая линия - Телеком, 2008. -392 с.

74. Саймон Хайкин. Нейронные сети. Полный курс. 2-е изд. 2006 год. 1102 стр.

75. Рассел, Норвиг. Искусственный интеллект. Современный подход. 2-е изд. 2006 год. М.: Вильяме,2007, 1408 с.

76. Евменов В.П. Интеллектуальные системы управления. Уч. пособие. 2009 год. 290 стр.

77. Ж.-Л. Лорьер. Нейронные сети. Системы искусственного интеллекта. 1991 год. 568 стр.

78. Н. Нильсон.. Принципы искусственного интеллекта. 1985 год. 374 стр.

79. Ясницкий Л.Н. Введение в искусственный интеллект. 2-е изд. 1990 год. 177 стр.

80. Витяев Е.Е. Извлечение знаний из данных. Компьютерное познание. Моделирование когнитивных процессов., Новосибирск, НГУ, 2006. 293с.

81. Пфанцагль И. Теория измерений. М.: Мир, 1976. 248 с.

82. Шрейдер С. А. Систематика, типологии, классификация // Теория и методология биологических классификаций, М.: Наука, 1983.

83. Забродин В. Ю. О критериях естественной классификации // НТИ, 1981. Сер. 2, №8.

84. Vityaev Е.Е., Kovalerchuk B.Y. Relational Methodology for Data Mining and Knowledge Discovery. Intelligent Data Analysis. Special issue on

"Philosophies and Methodologies for Knowledge Discovery and Intelligent Data Analysis" eds. Keith Rennolls, Evgenii Vityaev. v. 12(2), IOS Press, 2008, pp.189-210.

85. Демин A.B., Витяев E.E. Реляционный подход к извлечению знаний и его применения. ЗНАНИЯ - ОНТОЛОГИИ - ТЕОРИИ. (Материалы Всероссийской конференции с международным участием "Знания -Онтологии - Теории" (30HT-2013), 8-10 октября 2013г., Новосибирск), Институт математики, Т.1, Новосибирск, 2013, стр. 122-130.

86. Витяев Е.Е., Ковалерчук Б.Я., Методика извлечения знаний из эксперта // Информационные технологии в гуманитарных исследованиях, Вып. 13, ИАЭТ СО РАН, Новосибирск, 2009, стр. 75-81

87. Хомичева И. В., Витяев Е.Е., Игнатьева Е.В., Ананько А.Е., Шипилов Т.И. Применение программной системы ExpertDiscovery для поиска закономерностей структурно-функциональной организации регуляторных районов генов. Вестник НГУ, серия: Информационные технологии, Т. 8, вып. 1, Новосибирск, 2010, стр. 12-26, 2010.

88. Демин A.B., Витяев Е.Е. Технология предсказания финансовых временных рядов // Информационный бюллетень Седьмой международной конференции памяти академика А.П. Ершова "Перспективы систем информатики" (15-19 июня 2009, Новосибирск), Новосибирск, 2009, стр. 114-119.

89. Демин A.B., Витяев Е.Е. Финансовые временные ряды: прогнозирование и распознавание нарушений динамики Доклады Всеросс. конф. 30HT-09 "Знания-Онтологии-Теории", 22-24 октября 2009 г., Новосибирск: Изд-во ИМ СО РАН, 2009. - С. 79-86.

90. Подберезный A.A., Витяев Е.Е., Москвитин A.A. Инструментальное средство Visual Discovery решения задач интеллектуального анализа данных. // Вестник СибГУТИ. - № 1. - Новосибирск, 2013.

91. Витяев Е.Е., Москвитин A.A., Подберезный A.A. Инструментальное средство Visual Discovery извлечения информации из данных и решения задач интеллектуального анализа данных.// Информационные

технологии в гуманитарных исследованиях : сборник трудов. Выпуск 17. Новосибирск, НГУ, 2012. - С.44-51.

92. Подберезный A.A., Москвитин A.A. Применение предметно-ориентированного языка программирования для создания графических средств моделирования деятельности предприятия. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2013.

93. Подберезный A.A., Москвитин А.А ,Применение настраиваемых оболочек в графических системах VisualTOCManager и Visual Discovery. Тезисы доклада. Российская научно-техническая конференция «Информатика и проблемы телекоммуникаций» 2013.

94. Витяев Е. Е. Семантический подход к созданию баз знаний. Семантический вероятностный вывод наилучших для предсказания ПРОЛОГ-программ по вероятностной модели данных // Логика и семантическое программирование. Новосибирск, 1992. Вып. 146. С. 1949.

95. Бережная Е.С., Максимкина Е.А., Парфейников С.А., Москвитин A.A., Подберезный A.A., Витяев Е.Е. Математические модели и методы при осуществлении фармацевтической деятельности(Методология. Теория. Технология) / Е.С. Бережная и др // - Пятигорск, РИА на КМВ, 2014. -252 с.

96. Андреева И.Н., Бережная И.С., Витяев Е.Е., Максимкина Е.А., Москвитин A.A., Парфейников С.А., Подберезный A.A. «Инструменты анализа деятельности и управления фармацевтическим предприятием». Менеджмент и маркетинг в составе современной экономики, науки, образования, практики. Украина 2013.С.98-101.